یادگیری ماشینی در مدیریت چرخه عمر: ساختمان تبیین کاربردها ظرفیتها و چالشها

چکیده است. تحول دیجیتال در معماری و صنعت ساختمان ضرورت بهره گیری از رویکردهای داده محور را در مدیریت چرخه عمر ساختمان برجسته ساخته است. در این میان یادگیری ماشینی به عنوان یکی از شاخه های اصلی هوش مصنوعی، با توانایی تحلیل داده های پیچیده، شناسایی الگوهای پنهان و پشتیبانی از تصمیم گیری پیش بینانه میتواند نقش موثری در ارتقای کیفیت تصمیمات معماری و ساختمانی ایفا کند. هدف این مقاله بررسی تحلیلی کاربردهای یادگیری ماشینی در فازهای اصلی چرخه عمر ساختمان شامل طراحی، ساخت، بهره برداری و نگهداری، بازسازی و پایان عمر است. پژوهش حاضر با رویکرد مروری - تحلیلی و بر پایه مطالعات معتبر، ظرفیت ها، دستاوردها و چالش های به کارگیری این فناوری را تبیین می کند. یافته ها نشان می دهد که در مرحله طراحی یادگیری ماشینی در پیش بینی مصرف انرژی، ارزیابی گزینه های طراحی و بهینه سازی فرم و عملکرد کاربرد دارد. در مرحله ساخت این فناوری در برآورد هزینه و زمان، کنترل کیفیت، مدیریت ایمنی و شناسایی ریسک ها به کار گرفته می شود. در دوره بهره برداری و نگهداری نیز زمینه پایش هوشمند، عیب یابی خودکار، نگهداری پیش بینانه و کاهش مصرف انرژی را فراهم می سازد. همچنین در فاز بازسازی و پایان عمر تحلیل داده ها می تواند به ارزیابی وضعیت موجود، انتخاب سناریوهای مداخله و افزایش امکان بازیافت مصالح کمک کند. با این حال کمبود داده های استاندارد و بومی، ناهمگونی منابع اطلاعاتی، محدودیت تفسیر پذیری مدل ها و ضعف یکپارچگی با سامانه هایی مانند مدل سازی اطلاعات ساختمان، اینترنت اشیا و دوقلوی دیجیتال از موانع اصلی توسعه این حوزه محسوب می شوند. در مجموع نتایج نشان می دهد یادگیری ماشینی فراتر از یک ابزار محاسباتی می تواند زیرساختی برای بازتعریف منطق مدیریت چرخه عمر ساختمان معاصر باشد.

کلیدواژه ها:

یادگیری ماشینی ، چرخه عمر ساختمان ، هوش مصنوعی ، معماری هوشمند ، مدل سازی اطلاعات ساختمان